xlstm: 一种扩展 LSTM 以在在语言建模中与 Transformers 竞争的循环神经网络架构
一种新的循环神经网络架构，扩展了 LSTM 以与 Transformers 和 State Space Models 竞争，其特点是具有用于高效推理的 7B 参数语言模型。
GeneticAlgorithmPython: 一个用于优化机器学习模型和复杂函数的直观遗传算法库
一个用于构建遗传算法以优化数学函数和机器学习模型的 Python 库，原生支持 Keras 和 PyTorch。
raster-vision: 一个用于在卫星和航空图像上构建 ML 模型的地理空间计算机视觉框架
一个使用 PyTorch 在卫星、航空和无人机图像上构建计算机视觉模型的 Python 库和低代码框架。
audiomentations: 一个用于深度学习的快速且易于使用的音频数据增强库
一个用于音频数据增强的 Python 库，提供多种多样的转换，使音频深度学习模型在实际应用中更加鲁棒。
torchio: 一个基于 PyTorch 的工具包，用于通过领域特定伪影对 3D 医学图像进行预处理和增强
一个用于 PyTorch 的 Python 库，提供高效加载、预处理和增强 3D 医学图像的工具。
synthetic-data-generator: 一个支持 GANs、LLMs 和十亿级数据集的隐私保护型表格数据生成器
一个专门用于使用统计模型、GANs 和 LLMs 生成高质量、隐私保护型合成表格数据的框架。
torchmetrics: 一个用于分布式训练和评估的可扩展 PyTorch 指标库
包含超过 100 种 PyTorch 指标实现的集合，可自动在分布式设备之间进行累积和同步，从而减少机器学习流水线中的样板代码。
kompute: 一个面向不同显卡品牌实现高性能加速的跨厂商 GPU 计算框架
一个基于 Vulkan 的跨厂商 GPU 计算框架，能够在 AMD、NVIDIA 和 Qualcomm 硬件上为机器学习和数据处理实现高性能加速。
deepdetect: 一个用于跨多种模态进行统一训练和推理的深度学习运行时和 REST 服务器
一个深度学习运行时和 REST 服务器，为图像、文本和表格数据的训练和推理提供统一的 API。
kuberay：用于管理 Ray 集群、作业和服务生命周期的 Kubernetes Operator
一个简化 Ray 应用部署、伸缩和管理的 Kubernetes Operator，适用于分布式 AI 工作负载。
voxelmorph: 一个基于学习的可变形医学图像配准与对齐框架
一个用于基于学习的图像配准和变形建模的通用库，主要用于对齐医学成像扫描。
Papers-in-100-Lines-of-Code: 超过 60 篇具有影响力的 AI 研究论文的极简实现，每篇均在 100 行代码以内
包含超过 60 篇具有影响力的 AI 和机器学习研究论文的极简实现集合，每篇均在 100 行代码或更少。
leptonai: 一个用于在 NVIDIA DGX Cloud Lepton 上管理和操作 AI 工作负载的 Python 库和 CLI
一个用于 NVIDIA DGX Cloud Lepton 平台的 Python 库和 CLI，允许用户部署和管理 AI endpoints、batch jobs 和 clusters。
AIF360: 一个用于检测和缓解机器学习模型中算法偏差的可扩展工具包"}助}{
一个适用于 Python 和 R 的可扩展开源库，提供用于检测和缓解机器学习模型中算法偏差的指标和算法。
DeepCamera: 一个具有自主硬件感知技能部署和本地 VLM 分析的开源 AI 摄像头平台
一个开源 AI 摄像头平台，通过自主、硬件感知的安装，实现 VLM 场景分析和目标检测技能的本地部署。
AlphaTree-graphic-deep-neural-network: 一个将学术论文与实际代码实现联系起来的深度学习模型可视化学习路线图
一个结构化的可视化路线图和资源集合，通过将深度学习模型的论文、代码和图表联系起来，帮助开发者转型为 AI 应用工程。
dm-haiku: 一个为 JAX 设计的、支持面向对象模型定义的神经网络库
一个为 JAX 设计的神经网络库，支持面向对象模型定义，同时保持与 JAX 纯函数变换的兼容性。
SDV: 用于生成和评估隐私保护型表格合成数据的机器学习库
一个使用机器学习来模拟真实世界模式并同时保持隐私的表格合成数据创建 Python 库。
scikit-llm: 一个用于将 LLMs 集成到文本分析流水线中的 scikit-learn 兼容封装器
一个将 ChatGPT 等大语言模型集成到 scikit-learn 中的库，从而实现增强的文本分析任务，例如零样本分类。
reinforcement-learning: 核心强化学习算法的独立 PyTorch 实现集合
一系列易于阅读、独立的 PyTorch 核心强化学习算法实现，涵盖从基础的 Grid World 到用于 Atari 游戏的深度 RL。
segment-geospatial: 一款将 Segment Anything Model 适配于遥感图像的地理空间分割工具
一个将 Segment Anything Model (SAM) 适配于地理空间数据的 Python 软件包，能够使用文本、点或框轻松实现卫星图像的分割。
neuralforecast: 一个用户友好的最先进神经网络时间序列预测模型集合
一个包含超过 30 种最先进神经网络预测模型的库，为高性能时间序列预测提供用户友好的 scikit-learn 风格 API。
FLAML: 用于模型选择和超参数优化的快速且经济的 AutoML 引擎
一个轻量级的 Python 库，用于高效的自动机器学习 (AutoML) 和超参数调优，旨在以最小的计算资源寻找高质量模型。
probability: 一个用于概率推理和统计分析并具有深度网络集成的库
一个用于概率推理和统计分析的库，通过使用 TensorFlow 或 JAX 将概率方法与深度网络集成。
autotrain-advanced：一种无需编码即可训练和部署最先进机器学习模型的解决方案
一种无需编码即可训练和部署机器学习模型的工具，支持从 LLM 微调到图像分类的广泛任务。
watermark-removal: 一个基于机器学习的用于去除水印的图像修复工具
一个使用图像修复技术从图像中去除水印的机器学习项目，能够创建无缝、高质量的结果。
dm_control: 用于强化学习和连续控制的基于物理模拟的 MuJoCo 仿真栈
一个由 MuJoCo 物理引擎驱动的、用于基于物理模拟和强化学习环境的软件栈。
Flux.jl: 一个具有原生 GPU 和自动微分支持的纯 Julia 机器学习框架
一个纯 Julia 机器学习框架，通过使用原生 GPU 和自动微分支持，为构建和训练模型提供轻量级的抽象。
ignite: 一个为 PyTorch 设计的高级训练与评估库，用灵活的事件驱动系统取代冗余的循环代码
一个为 PyTorch 设计的高级库，通过灵活的引擎和事件驱动系统简化了神经网络的训练与评估。
djl：一个引擎无关的 Java 框架，用于构建、训练和部署深度学习模型
一个引擎无关的 Java 深度学习框架，提供原生 Java 体验，使 Java 开发者能够构建、训练和部署模型。
pytorch-forecasting: 一个用于可解释多步长序列预测的高级深度学习框架
一个基于 PyTorch 的时间序列预测软件包，提供高级 API 和最先进的深度学习架构，如 Temporal Fusion Transformers 和 N-BEATS。
grobid: 一个用于从科学 PDF 中提取和结构化书目数据的机器学习库
一个机器学习库，可将原始 PDF 科学出版物解析为结构化的 XML/TEI 文档，用于大规模书目数据提取。
gluonts: 一个基于 PyTorch 的概率时间序列建模库
一个用于概率时间序列建模的 Python 包，它使用深度学习和 PyTorch 来生成带有不确定性区间的预测。
SynapseML: 一个用于在 Apache Spark 上构建分布式 ML 流水线的可扩展机器学习库
一个基于 Apache Spark 构建的开源库，为文本分析、视觉和异常检测等机器学习任务提供可扩展的分布式 API。
sahi: 一个用于在大图中执行切片推理以检测小目标的视觉库
一个轻量级的视觉库，通过在各种流行的物体检测框架中实现切片推理，实现在大规模图像中检测小目标。
tch-rs：为 PyTorch C++ API 提供张量操作和神经网络训练的 Rust 绑定
Rust 绑定的 PyTorch C++ API（libtorch），使在 Rust 中使用 PyTorch 的张量操作和神经网络训练成为可能。
flashlight: 一个具有 JIT 内核编译和原生多领域应用的高性能 C++ 机器学习库
一个快速、灵活的 C++ 机器学习库，为语音、视觉和文本领域的高性能 AI 研究提供核心张量接口和神经网络工具。
composer: 一个用于在 GPU 集群上扩展 PyTorch 工作流的深度学习训练库
一个基于 PyTorch 的深度学习库，简化了大规模分布式训练，提供内存优化和算法加速工具，以减少训练时间和成本。
mlpack：一个快速的仅头文件 C++ 机器学习库，支持多语言绑定
一个快速的仅头文件 C++ 机器学习库，提供丰富的机器学习方法和函数，并支持 Python、Julia、Go 和 R 绑定。
NN-SVG: 一个用于生成出版级神经网络架构图的参数化生成器
一种用于以 SVG 格式创建出版级神经网络架构图的参数化工具，无需手动绘制。
DALI: 一个消除深度学习流水线中 CPU 瓶颈的 GPU 加速数据加载与预处理库
一个用于数据加载和预处理的 GPU 加速库，消除了图像、视频和音频数据在深度学习流水线中的 CPU 瓶颈。
tsai: 一个用于时间序列和序列数据的深度学习库，包含丰富的 SOTA 模型
一个基于 PyTorch 和 fastai 构建的先进深度学习库，用于处理包括分类、回归和预测在内的各种时间序列任务。
serving: 一个用于管理和提供版本化机器学习模型推理的高性能生产系统
一种高性能的机器学习模型服务系统，旨在管理模型生命周期并在生产环境中通过 gRPC 和 HTTP 提供版本化推理。
smile: 一个集成了 LLM 推理和智能代理数据 science IDE 的高性能 JVM 机器学习框架
一个全面的、高性能的 JVM 机器学习框架，为经典 ML、深度学习、LLM 推理和智能代理数据科学 IDE 提供工具。
flower: 一个用于构建和扩展联邦 AI 的框架无关系统
一个用于构建联邦 AI 系统的框架，支持在各种 ML 框架和设备上进行去中心化模型训练。
autograd：用于原生 Python 和 NumPy 代码的自动微分库
一个能够自动微分原生 Python 和 NumPy 代码的库，以实现高效的基于梯度的优化。
stanza: 一个支持 60 多种语言并具有神经流水线的多语言 Python NLP 库，以及专门的生物医学模型
来自 Stanford 的一个 Python NLP 库，为 60 多种语言提供准确的神经处理工具，并为 Java Stanford CoreNLP 软件提供了一个封装器。
modelscope：一个统一的模型即服务框架，实现多样 AI 模型的无缝推理和微调
一个模型即服务（MaaS）平台和库，提供统一接口，用于在多个领域发现、推理和微调数百个最先进的 AI 模型。
pyro: 一个基于 PyTorch 构建的可扩展深度概率编程库
一个基于 PyTorch 构建的深度概率编程库，允许用户为大型数据集创建并扩展通用概率模型。
sonnet: a composable neural network abstraction library for TensorFlow 2
DeepMind 开发的一个 TensorFlow 2 库，为机器学习研究提供简单、可组合的神经网络构建抽象。